慧選址：一站式大數據智能選址平臺

文/楊正硯

我介紹的是北京阿拉丁大數據（www.aladinfo.com）所開發的大數據智能選址產品——慧選址。這個產品通過聚合多源數據并進行專業店鋪選址算法的開發和應用模型的構建，旨在為各種業態的零售終端在店鋪選址過程中提供數據支撐和智能化、智慧化的決策支持。

俗話說，良好的開端是成功的一半，店鋪選址是各類零售終端都要做的第一步工作。零售終端是地利經濟，業內有“七分選址，三分運營”的說法。任何一種形態的零售終端都有自己的品牌定位和目標客群，每個店鋪只要店址確定了，周邊商圈的客流也就確定了。大數據分析可以實現零售終端品牌定位跟目標客群之間的精準匹配。很多經營不善甚至關店的零售終端，主要原因是沒有實現品牌定位跟目標客群的精準匹配。

成功的店鋪選址需要根據客群洞察、客流監測、購買力畫像、競品分析等進行全方位的分析，這就需要有數據的支撐。阿拉丁在這方面具有明顯的領先優勢，我們的數據包括：一、移動運營商中國移動、中國聯通的手機用戶數據，包括用戶位置移動軌跡、性別、年齡、居住地、工作地、職業等近三千個指標；二是銀聯的消費刷卡數據，對于一個具體的商圈，某種業態在指定的時間區間里銷售額是多少，都是可以進行分析的。目前，能同時通過移動運營商和銀聯的源數據進行建模和算法開發的應該只有我們阿拉丁一家。我們的產品開發人員都是在中國移動、中國聯通以及銀聯的數據中心直接使用源數據進行店鋪選址模型和算法的開發。

對店鋪選址來說，主要目標就是進行精準選址，包括對目標客群的識別以及洞察，解決傳統方式數據收集的困難成本高，數據單一的問題和痛點。商圈分析可以分幾個維度，首先是客群的居住情況，我們擁有全國所有小區、住宅的基礎信息；第二個維度是寫字樓數據，分為兩部分，第一部分是寫字樓的基礎信息，包括建筑面積、樓高、層數、層高、進深等基礎信息，第二部分，我們開發了“樓立方”模型，對每一個寫字樓里面有多少公司在辦公，我們可以按照樓層和房間號，展示每一層每個房間有哪些公司在這辦公，這些公司是哪年成立的，做什么業務，公司規模等。比如在一個寫字樓下面要開一個便利店，通過這個模型你就可以知道這個在寫字樓里工作的是什么類型的人群；第三類是周邊區域的醫療成熟度；第四類是周邊區域的教育成熟度。

為了反映各個城市不同業態的具體發展情況和競爭的飽和度，我們做了全國所有城市的商圈地圖，可以看到不同業態的聚集情況。客群畫像是描述人群的年齡、性別、學歷、戶籍、生活階段等信息。客群偏好分兩部分：一個是線上，一個是線下，線上的偏好比如每個用戶經常瀏覽什么網站，網購什么產品，客單價多少以及購買頻次等，線下主要是每個人在某個區域里面的興趣點和興趣路線，某個人去一個區域以后，去干了什么事情，行為的軌跡，把每個人的行為軌跡變化匯集到一起形成人群的潮汐。客群篩選可以選擇不同的緯度，包括性別、年齡，也包括消費情況，比如每個月或者每個星期消費的次數，消費的單筆金額，以及個人的資產狀況。比如，我們想看看某個區域內凈資產過千萬的有多少人。客群購買力是反映目標區域里客群的購買力水平的一個指標。客群通勤是反映在目標區域里的人群的出行方式，比如是開車、坐地鐵、騎行還是步行，以及在路上花了多長時間，或者到目標區以后停留了多長時間。競爭狀況方面，我們對各種業態的發展情況進行分析。比如咖啡廳，全國所有的城市2017年一共新開了多少家咖啡廳，有多少家咖啡廳的門店關店，從行業角度能看到目標區域里面特定業態的運行狀況。競品方面，比如星巴克可能會關注costa、太平洋咖啡每年或每個月新開店的情況或關店的信息。

阿拉丁智能店鋪選址產品“慧選址”的優勢主要體現在兩個方面：第一，阿拉丁是一家專注于店鋪選址的大數據公司，在數據源的聚合方面目前我們做的是最全的；第二，在選址算法和模型的開發方面阿拉丁具有明顯的領先優勢，要實現智能選址，對一個區域的客群進行詳細分析，需要智能模型的支持，例如，我們開發了交通橫斷面分析模型，可以讓零售終端運營方在選址時進行更精準化的分析，不僅看到一個多邊形或者圓形區域里面的客群情況，甚至可以分析一條街道朝哪個方向的客流有多少人以及客流和客群的多元屬性，從而再分析是否可以在周邊開店。總之，我們希望通過大數據來助力零售終端取得更大的成功，因為從零售終端這個行業來說，有30%的終端是因為店鋪選址選得不好，導致整個店鋪的運營失敗了。阿拉丁的目標就是協助零售終端提高開店成功率，并通過客群分析為后續的運營提供更好的支撐。